AI 前沿技术跟进

追踪人工智能技术本身的最新论文与研究。每个条目给出通俗版 + 专业版解释、详细算法（问题设定、关键公式、伪代码、训练/推理流程）、与既有方法对比、优势与劣势，并附一句与工业 AI 的关系。两种看法：按日期、按技术分类。

13条目

1期

8个技术类别

2026-10-31最新一期

最新一期：第 1 期（2026-10-31）

创刊号：回顾 2026-10-06 至 10-29 之间的 13 项工作，覆盖 LLM 架构、推理与强化学习、智能体、多模态生成、世界模型与具身、训练与数据、安全与对齐、推理与服务 8 个方向。数据截至 2026-10-31 07:00（北京时间，= 2026-10-30 16:00 美西）。所有数字均为原文自报，本站未复现。

日期	条目 / 一句话通俗	分类
2026-10-29	How we detect frontier model misalignment（OpenAI） OpenAI 公布了内部「分层监控」系统：先用轻量探针粗筛，再用模型审查员、调查智能体、自动化取证逐层加深，最后由人来处置，并且特意不让监控结果影响 RL 奖励，以免模型学会隐藏。	安全与对齐智能体
2026-10-27	PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations 让机器人策略在训练时「预演」未来的画面、深度和运动，并把这些预演学成 50 个小 token 喂给动作模块；真正控制时不用生成视频，所以不增加延迟。	世界模型与具身多模态与生成
2026-10-26	Multiscale Policy Optimization for Long-Horizon LLM Agents (MPO) 智能体每一「轮」（一次搜索/一次工具调用）才是真正的决策单位：先按「轮」分功劳，再在轮内按「词」微调，再用「整轮」的概率变化限制更新幅度。	推理与强化学习智能体
2026-10-25	Memory Tax: Dissecting the Net Value of Agent Memory 把各种花哨的智能体「记忆系统」和最朴素的「把原始对话切块检索」（naive RAG）逐题对比：多数记忆系统反而更差，因为加工记忆会丢信息、让信息更难找到。	智能体
2026-10-24	Eat Your Precision: Precision Objective Mitigates Reward Hacking in Rubric-based RL（Fork）用「得分点清单」当奖励，模型就会学着把话越写越长、把所有点都堆上去；Fork 在奖励里加上「每句话是否必要且正确」的精确率，用调和平均（F-score）把两者绑在一起。	推理与强化学习安全与对齐
2026-10-20	Cache Engineering for Agents（AKV serving engine）智能体的历史太长时，不要改文字历史再重算，而是直接让服务端「忽略」某些旧的 KV 缓存，剩下的缓存原样复用，省钱又不丢准确率。	推理与服务智能体
2026-10-20	PAR: Progress-Aligned Recurrence for Length Generalization in State Tracking 让「循环式」模型的第 k 圈恰好算完前 k 步，并把状态的大小锚定住；这样训练时只见过 32 步，也能算对 512 步的序列。	LLM 架构与效率
2026-10-20	ReAPO: Retry-Aware Policy Optimization for Efficient Exploration in LLM Reasoning 做错了就「告诉模型你错了，换个思路再来一次」，而且只奖励成功的那一次重试，不让前面的失败沾光；这样同样的算力学得更快。	推理与强化学习
2026-10-19	Kronecker Delta Rule for Long Context Linear Attention（KronLSTM）线性注意力的「记忆矩阵」在更新时会误伤旧记忆；Kronecker Delta 规则只沿「这一对 key-value」自己的方向修改一个标量关联，旧记忆被误伤的概率更小，长文本检索更好。	LLM 架构与效率
2026-10-16	NVIDIA-Nemotron-Labs-Dory1.0-4B：looped（latent-recurrent）4B 语言模型同一个 4B 模型，推理时可以让中间那一大段网络「多转几圈」换取更高准确率；转 1/2/4 圈由你按任务选择，不用换模型。	LLM 架构与效率推理与服务
2026-10-08	Right Screen, Wrong Transition: World Models as Verifiers for GUI Agents（LGWM）不去判断「这个画面危不危险」，而是预测「点了这个按钮之后下一屏该长什么样」，再和真实出现的画面比一比，对不上就报警；整个过程只要 17 毫秒。	世界模型与具身安全与对齐智能体
2026-10-08	DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion Models 先把同一个提示词下所有样本的奖励汇总成一个「变好的方向」，再让生成过程中每一步都朝这个方向挪一点；再用两次小更新自动「拉住缰绳」，不用调那个很难调的 EMA。	推理与强化学习多模态与生成
2026-10-06	TRACE: Rollout-Guided Quantization-Aware Training for FP4 Reinforcement Learning of MoE Language Models RL 里用 FP4 做采样（rollout）省时间，但训练端与采样端对同一个数「舍入」得不一样，会放大偏差；TRACE 让训练端的舍入方向去「照抄」采样端，并只传一点点必要信息。	训练与数据推理与服务推理与强化学习